CRM试用热线:400-600-7912
>>>

潜在客户的发掘技巧

第二,按K-means算法逐步迭代,使其类别间距离达到最 优。经迭代运辟后类别间各变ill:中心值得到修正,得到最终的 聚类中心(见表4. 4)。第三,样本数据也被聚成了5类,每个样本点都被归人了 相应的类中,由于样本数据较多,各样本归属及中心距离表不 便在此列出。每个聚类结果中所包含的成员情况如表4. 5所示:对聚类结架的类别间距离进行方差分析结果表明,类别间 距离差异的概率值均<0.001,聚类效衆较好。这样原有476个 样本被聚合成五类。分析上述聚类结果可知,该区377位客户 被聚为第三类,所含样本数在五类中摄多,此类用户的特点是 消费比较稳定、消费总额较低、在各个指标间分布较均匀.几 乎没有进一步培值的潜力。对于这类客户,无须特别关注,我 们可以称之为低价值客户。这类客户对公司的价值不大。第二 类只包含一个样本数据,其消费总金额远高于其他用户,国际 话费支出占总支出比例最高,且金额达到了 293. 25元(包括传 统国际长途和IP国际长途),为公司创造了高价值。同时,该 客户的新功能使用所占消费总额比重较低,考虑其有很强的消 费能力,可以加大对新功能的宣传力度,这类客户应该给予最 高度的重视,比如将其列为重点客户,免费提供电信附加值服 务。第四类客户消费总金额也很髙,主要集中在IP国际长途。